前言
使用tensorflow的keras人工神经网络库对Fashion_mnist数据集进行分析,建模,测试。
Fashion_mnist数据集由十种类型的图片集组成
该数据集区使用标签来分类,用数字表示,分别是从0-9来表示标签
实际测试
import tensorflow as tf
if __name__ == '__main__':
(train_image,train_label),(test_images,test_label) = tf.keras.datasets.fashion_mnist.load_data()
#归一化处理
train_image = train_image/255
test_images = test_images/255
#打印训练数据规模 结果为(60000, 28, 28),代表6w张图片
print(train_image.shape)
#引入模型
model = tf.keras.Sequential()
#把图像扁平成28*28的向量
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
#隐藏层
model.add(tf.keras.layers.Dense(128,activation='relu'))
#输出层,输出10个概率值,使用softmax把十个输出变成一个概率分布
model.add(tf.keras.layers.Dense(10,activation='softmax'))
#编译模型,规定优化方法和损失函数,当标签使用的是数字编码,使用sparse_categorical_crossentropy这个损失函数
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['acc'])
#训练模型,次数为5
model.fit(train_image,train_label,epochs=5)
#在测试数据上,对我们的模型进行评价
print(model.evaluate(test_images,test_label))
测试结果
得到损失和精确度
[0.3467264775753021, 0.8773]
视频学习网址
https://www.bilibili.com/video/av62215565?from=search&seid=13361627455677904834